ការចេញផ្សាយប្រព័ន្ធរៀនម៉ាស៊ីន TensorFlow 2.0

ណែនាំ ការចេញផ្សាយដ៏សំខាន់នៃវេទិការៀនម៉ាស៊ីន TensorFlow ២ដែលផ្តល់នូវការអនុវត្តដែលត្រៀមរួចជាស្រេចនៃក្បួនដោះស្រាយការរៀនម៉ាស៊ីនជ្រៅផ្សេងៗ ចំណុចប្រទាក់សរសេរកម្មវិធីសាមញ្ញសម្រាប់ការកសាងគំរូនៅក្នុង Python និងចំណុចប្រទាក់កម្រិតទាបសម្រាប់ភាសា C++ ដែលអនុញ្ញាតឱ្យអ្នកគ្រប់គ្រងការសាងសង់ និងការប្រតិបត្តិក្រាហ្វគណនា។ លេខកូដប្រព័ន្ធត្រូវបានសរសេរជា C ++ និង Python និង ចែកចាយ​ដោយ ក្រោមអាជ្ញាប័ណ្ណ Apache ។

វេទិកានេះត្រូវបានបង្កើតឡើងដំបូងដោយក្រុម Google Brain ហើយត្រូវបានប្រើប្រាស់នៅក្នុងសេវាកម្មរបស់ Google សម្រាប់ការទទួលស្គាល់ការនិយាយ កំណត់អត្តសញ្ញាណមុខនៅក្នុងរូបថត កំណត់ភាពស្រដៀងគ្នានៃរូបភាព ត្រងសារឥតបានការនៅក្នុង Gmail ។ ការជ្រើសរើស ព័ត៌មាននៅក្នុង Google News និងរៀបចំការបកប្រែដោយគិតពីអត្ថន័យ។ ប្រព័ន្ធសិក្សាម៉ាស៊ីនដែលបានចែកចាយអាចត្រូវបានបង្កើតនៅលើផ្នែករឹងស្តង់ដារ អរគុណចំពោះការគាំទ្រដែលភ្ជាប់មកជាមួយរបស់ TensorFlow សម្រាប់ការចែកចាយការគណនានៅទូទាំង CPU ឬ GPUs ជាច្រើន។

TensorFlow ផ្តល់នូវបណ្ណាល័យនៃក្បួនដោះស្រាយការគណនាលេខដែលត្រៀមរួចជាស្រេចដែលបានអនុវត្តតាមរយៈក្រាហ្វលំហូរទិន្នន័យ។ ថ្នាំងនៅក្នុងក្រាហ្វបែបនេះអនុវត្តប្រតិបត្តិការគណិតវិទ្យា ឬចំណុចបញ្ចូល/លទ្ធផល ខណៈដែលគែមនៃក្រាហ្វតំណាងឱ្យអារេទិន្នន័យពហុវិមាត្រ (តង់ស៊ីតេ) ដែលហូររវាងថ្នាំង។
ថ្នាំងអាចត្រូវបានចាត់តាំងទៅឧបករណ៍កុំព្យូទ័រ និងដំណើរការក្នុងពេលដំណាលគ្នា ដំណើរការ thesors ទាំងអស់ដែលសមរម្យសម្រាប់ពួកគេក្នុងពេលតែមួយ ដែលធ្វើឱ្យវាអាចរៀបចំប្រតិបត្តិការដំណាលគ្នានៃថ្នាំងនៅក្នុងបណ្តាញសរសៃប្រសាទដោយការប្ៀបប្ដូចជាមួយនឹងការធ្វើឱ្យសកម្មក្នុងពេលដំណាលគ្នានៃណឺរ៉ូននៅក្នុងខួរក្បាល។

ការផ្តោតសំខាន់ក្នុងការរៀបចំកំណែថ្មីគឺលើភាពសាមញ្ញ និងភាពងាយស្រួលនៃការប្រើប្រាស់។ ខ្លះ ការច្នៃប្រឌិត:

• API កម្រិតខ្ពស់ថ្មីត្រូវបានស្នើឡើងសម្រាប់គំរូអគារ និងការបណ្តុះបណ្តាល កេរ៉ាសដែលផ្តល់នូវជម្រើសចំណុចប្រទាក់ជាច្រើនសម្រាប់ការកសាងគំរូ (តាមលំដាប់លំដោយ មុខងារ ថ្នាក់រង) ជាមួយនឹងសមត្ថភាពក្នុងការ ការអនុវត្តភ្លាមៗ (ដោយគ្មានការចងក្រងជាមុន) និងជាមួយយន្តការបំបាត់កំហុសសាមញ្ញ;
• API បានបន្ថែម tf.distribute.យុទ្ធសាស្រ្ត សម្រាប់អង្គការ ការរៀនចែកចាយ ម៉ូដែលដែលមានការផ្លាស់ប្តូរតិចតួចបំផុតចំពោះកូដដែលមានស្រាប់។ បន្ថែមពីលើលទ្ធភាពនៃការរីករាលដាលនៃការគណនានៅទូទាំង GPUs ច្រើន។ជំនួយការពិសោធន៍គឺអាចរកបានសម្រាប់ការបែងចែកដំណើរការសិក្សាទៅជាប្រព័ន្ធដំណើរការឯករាជ្យជាច្រើន និងលទ្ធភាពប្រើប្រាស់ពពក TPU (អង្គភាពដំណើរការតានតឹង);
• ជំនួសឱ្យគំរូប្រកាសនៃការបង្កើតក្រាហ្វជាមួយនឹងការប្រតិបត្តិតាមរយៈ tf.Session វាអាចសរសេរមុខងារធម្មតានៅក្នុង Python ដែលដោយប្រើការហៅទៅ tf.function អាចត្រូវបានបំប្លែងទៅជាក្រាហ្វ ហើយបន្ទាប់មកប្រតិបត្តិពីចម្ងាយ សៀរៀល ឬធ្វើឱ្យប្រសើរ។ សម្រាប់ការអនុវត្តប្រសើរឡើង;
• បានបន្ថែមអ្នកបកប្រែ ក្រាហ្វស្វ័យប្រវត្តិដែលបំប្លែងការស្ទ្រីមនៃពាក្យបញ្ជា Python ទៅជាកន្សោម TensorFlow ដែលអនុញ្ញាតឱ្យប្រើកូដ Python នៅក្នុងមុខងារ tf.function-decorated, tf.data, tf.distribute និង tf.keras;
• SavedModel បង្រួបបង្រួមទម្រង់ផ្លាស់ប្តូរគំរូ និងបន្ថែមការគាំទ្រសម្រាប់ការរក្សាទុក និងស្ដារស្ថានភាពគំរូ។ ម៉ូដែលដែលបានចងក្រងសម្រាប់ TensorFlow ឥឡូវនេះអាចត្រូវបានប្រើនៅក្នុង TensorFlow Lite (នៅលើឧបករណ៍ចល័ត), TensorFlow JS (នៅក្នុង browser ឬ Node.js), ការបម្រើ TensorFlow и TensorFlow Hub;
• tf.train.Optimizers និង tf.keras.Optimizers APIs ត្រូវបានបង្រួបបង្រួម; ជំនួសឱ្យ compute_gradients ថ្នាក់ថ្មីមួយត្រូវបានស្នើឡើងសម្រាប់ការគណនាជម្រាល កាសែតជម្រាល;
• ដំណើរការកើនឡើងគួរឱ្យកត់សម្គាល់នៅពេលប្រើ GPU ។
  ល្បឿននៃការបណ្តុះបណ្តាលគំរូនៅលើប្រព័ន្ធជាមួយ NVIDIA Volta និង Turing GPUs បានកើនឡើងដល់ទៅបីដង។

• បានធ្វើឡើង ការសម្អាត API សំខាន់ៗ ការហៅទូរសព្ទជាច្រើនបានប្តូរឈ្មោះ ឬដកចេញ ការគាំទ្រសម្រាប់អថេរសកលនៅក្នុងវិធីជំនួយត្រូវបានបញ្ឈប់។ ជំនួសឱ្យ tf.app, tf.flags, tf.logging, absl-py API ថ្មីត្រូវបានស្នើឡើង។ ដើម្បីបន្តប្រើប្រាស់ API ចាស់ ម៉ូឌុល compat.v1 ត្រូវបានរៀបចំ។

ប្រភព: opennet.ru